粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究北大核心

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

部分遮阴条件下光伏阵列最大功率点跟踪方法

在部分遮阴情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。提出了一种基于电导增量法的全局搜索（Global search based on Incremental conductance,GSINC）方法来实现最大功率点跟踪,该方法保证不会陷入局部最优且不会错过任何极值点。最后通过仿真验证了该算法能快速且准确的跟踪最大功率点,有效提高了光伏阵列输出效率。     

基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。     

基于改进蜉蝣算法的光伏MPPT研究

针对光伏(PV)阵列难以兼顾局部遮荫情况(PSC)下准确跟踪多峰全局最大功率点(GMPP)和均匀辐照度情况(UIC)下快速完成单峰最大功率点跟踪(MPPT)的问题,提出一种基于改进蜉蝣算法(IMA)的PV MPPT方法。首先,分析了PV阵列在理想电流源区域的电流-电压(I-U)特性曲线,提出阴影检测机制对PV阵列的遮光情况进行监测以区分PV阵列功率-电压(P-U)曲线的多峰-单峰情况;然后,采用末位淘汰策略的IMA进行多峰MPPT,同时,利用二等分搜索策略的IMA快速实现单峰MPPT;最后,仿真和实验结果表明基于IMA的PV MPPT方法可有效判断多峰-单峰情况,并在单峰MPPT场景和多峰MPPT场景下均具有更高的跟踪时效和精确度。     

基于粒子群遗传算法的光伏MPPT控制研究

局部阴影条件下,光伏阵列的功率特性曲线会出现多个峰值,传统的MPPT跟踪算法容易陷入局部极值点,无法准确地跟踪到最大功率点。粒子群算法具有很强的全局搜索能力,可以有效解决多峰寻优问题,但是普通粒子群算法容易出现收敛速度慢、早熟现象。提出一种改进的粒子群遗传（IPSO-GA）算法,该算法的惯性权重与学习因子随着迭代次数不断改变,可以同时兼顾算法的局部搜索与全局寻优能力,并且引进遗传算法的交叉、变异操作以增加种群多样性。仿真结果表明,改进算法在多峰最大功率跟踪过程中,具有良好的跟踪速度与寻优精度。     

一种光伏系统的多峰值最大功率点跟踪策略

局部阴影条件下,光伏阵列的输出功率-电压(P-U)特性曲线存在多个局部峰值(LMPP)。传统的最大功率点跟踪(MPPT)法可能使系统工作于LMPP,错失真正的全局最大功率点(GMPP)。通过分析局部阴影条件下光伏阵列的输出电流-电压(I-U)特性曲线,提出了将电流控制和扰动观察法(PO)结合的MPPT策略,实现了跟踪GMPP的目标。仿真结果表明该算法比扫描整条P-U曲线法节省了50%的时间,实验验证了其易用性。     

局部阴影下光伏阵列MPPT控制方法的研究

光伏阵列在局部阴影条件下,其输出P-V特性曲线将呈现多个功率峰值。为了追踪到全局最大功率点,对局部阴影条件下光伏阵列输出P-V特性曲线进行了深入分析,对各功率极值点对应电压和被遮挡的光伏组件个数及光照强度之间的关系进行了研究。得出了相邻功率极值点对应电压之差的最小值为0.8Uoc(Uoc为单个光伏组件的开路电压)等规律,在这些规律的基础上,提出了一种新的最大功率点跟踪方法,能够快速、准确地跟踪到全局最大功率点。应用MATLAB软件搭建了仿真模型,仿真结果验证了所提出方法的正确性和有效性。     

Maximum power point tracking of PVsystem under partial shading conditionsthrough flower pollination algorithm

For maximum utilization of solar energy, photovoltaic (PV) power systems should be operated at the maximum power point (MPP) which can be achieved using maximum power point tracking (MPPT) methods. However, the occurrence of multi-peak on P-V curve of a PV array due to the changing environmental conditions such as being partially shaded increases the complexity of the tracking process. The global MPP cannot always be achieved by the conventional MPPT methods. Therefore a novel MPPT method for PV systems using flower pollination (FP) algorithm is proposed in this paper and the Levy flight is used to improve the convergence of FP algorithm. MPPT model of the PV system is established in MATLAB to verify the effectiveness of the proposed method, and the proposed method is compared with two well established MPPT methods. The simulation results indicate that the proposed MPPT method can quickly track the changes in external environment and effectively handle the partially shaded condition.     

不规则阴影影响下光伏阵列最大功率点跟踪方法

在不规则阴影影响下,光伏阵列输出特性曲线存在多个局部最大功率点,传统最大功率点跟踪算法在此情况下难以找到全局的最大功率点,从而陷入局部最优值。为解决该问题,根据滑模变结构控制在非线性系统控制中具有响应速度快、鲁棒性强等优点和扰动观察法具有算法简洁、跟踪效率高的特点,提出了将滑模变结构控制和扰动观察法相结合的算法,将其应用到不规则阴影影响下光伏阵列的最大功率跟踪控制中,用于解决局部遮阴下多峰寻优的问题。为了验证该算法的有效性,建立了不规则阴影影响下光伏阵列的实验电路。通过与传统扰动观察法的比较,实验结果表明:在光伏阵列被部分遮蔽的情况下,该算法可以快速跟踪到全局最大功率点,使系统稳定地工作在最大功率点附近,减小输出功率的波动,从而有效地利用太阳能。     

阴影影响下最大功率点跟踪控制(英文)

在阴影影响下,光伏阵列输出特性存在多个局部最大功率点,传统最大功率点跟踪算法不能区别真正的最大功率点。利用Matlab仿真软件对不同阵列在不同光照及温度下输出特性进行了仿真,归纳了光伏阵列在阴影下导数–电压输出特性的变化规律。研究了基于导数等效面积的最大功率点所在区间定位以及求导采样点确定方法,并在区间定位方法基础上了提出了多极值点最大功率点跟踪方法。建立基于状态方程的系统仿真模型对该文提出的算法进行了仿真验证,搭建实验平台对该文提出的最大功率点跟踪方法进行了验证。仿真与实验结果验证了所提方法的正确性。     

固定电压法结合电导增量法在光伏发电最大功率点跟踪控制中的应用

对光伏发电系统提出了一种新的最大功率点跟踪（MPPT）控制方法,即在外界环境或负载突变时,先采用固定电压法将光伏阵列的工作点调整到最大功率点附近,以保证跟踪的快速性;在此基础上引入小步长的电导增量法,对最大功率点处的稳态特性进行优化,可有效减小光伏阵列的输出功率在最大功率点的振荡现象。     

一种基于功率闭环控制的改进全局MPPT方法

在部分阴影的条件下,光伏阵列的P-U特性曲线呈现多峰值。针对现有方法在多峰值情况下最大功率点追踪的速度和准确度的不足,提出了一种基于功率闭环控制的改进方法。该方法首先采用功率闭环控制确定最大功率点所在电压范围,其次通过分析粒子群法和0.8倍开路电压法,选取适合算法对该电压范围进行精确的追踪。最后以两种典型的阴影条件为例,对现有的基于功率闭环的方法和所提方法进行对比仿真。结果证明了两种方法均能精确地追踪最大功率点,所提方法在追踪速度上有显著提升。     

基于改进蜻蜓算法的光伏全局最大功率追踪

光伏阵列的P-U特性曲线在局部遮蔽条件下呈现多峰现象,针对传统最大功率点跟踪方法易陷入局部极值、群智能算法跟随速度慢的问题,提出一种基于蜻蜓算法和扰动观察法的改进最大功率点跟踪算法.该算法通过优化算法角色,引入Lévy飞行模式加快算法的收敛速度并提高全局搜索能力;结合扰动观察法,提出种群密度的概念,制定最优局部搜索策略...     

结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。     

基于光伏功率等效面积法的多峰最大功率追踪控制方法

当光伏组串受到不均匀照射时,其输出特性将会从原来的单峰曲线变成有多个峰值点的多峰曲线,因此受到非均匀照射的光伏阵列含有多个局部峰值点(Local Maximum Power Point,LMPP),使用常规的最大功率跟踪控制方法很难准确的追踪到全局最大功率点(Global Maximum Power Point,GMPP)。针对上述问题,首先基于MATLAB仿真软件搭建了光伏组串在受到非均一阴影遮挡情况下的模型;其次研究了其功率-电压(P-U)特性和导数(dP/dU-U)特性,分析了全局最大功率点与光伏功率等效面积之间的关系;最后提出了基于光伏功率等效面积所决定的工作区间定位的新型多峰最大功率点追踪(Maximum Power Point Trace,MPPT)控制方法。仿真结果表明,所提出的光伏功率等效面积法算法能够有效且快速的寻找到全局最大功率点。